基于代價敏感方法的垃圾網(wǎng)頁欺詐檢測.pdf

1、隨著近20年互聯(lián)網(wǎng)技術的急速發(fā)展，各式各樣的網(wǎng)站和Web應用層出不窮，這些網(wǎng)站的出現(xiàn)給人們的生活帶來了便利。與此同時，作為互聯(lián)網(wǎng)發(fā)展的副產(chǎn)品，網(wǎng)上也存在大量含有詐騙或有害信息的垃圾網(wǎng)頁，這些被作弊者散布的垃圾網(wǎng)頁嚴重地危害著上網(wǎng)者的利益。如何準確地識別和檢測這些垃圾網(wǎng)頁是當前研究者所關注的熱點之一。
　　本文首先從垃圾網(wǎng)頁二元分類檢測入手，研究當垃圾網(wǎng)頁和正常網(wǎng)頁被錯分后產(chǎn)生的不同代價，采用了基于代價敏感支持向量機的檢測方法。在引

2、入代價敏感方法后，針對很多方案中需要人為指定代價的問題，基于粒子群優(yōu)化算法構建了融合代價計算的垃圾網(wǎng)頁檢測框架。具體做法是把代價敏感支持向量機包裝為粒子群算法的適應函數(shù)，其中代價敏感分類的代價參數(shù)作為粒子群算法的尋優(yōu)問題，分類算法的AUC值作為適應函數(shù)的輸出。以此既保證了分類檢測的性能又降低了人為因素對算法的影響。
　　其次，本文研究了多級垃圾網(wǎng)頁檢測問題，多級檢測相比二分檢測更加細粒度，要求垃圾網(wǎng)頁按不同危害度被檢出。本文基于代

3、價敏感支持向量機的“一對一”組合多元分類方法實現(xiàn)了多級垃圾網(wǎng)頁檢測，“一對一”組合多分類方法既保證了檢測性能，又避免了代價矩陣中代價融合的問題。之后同樣結合粒子群優(yōu)化算法，對多個誤分類代價進行計算。
　　本文基于UK2007垃圾網(wǎng)頁數(shù)據(jù)集的原始類標數(shù)據(jù)，構建了MC-UK2007三類別的新數(shù)據(jù)集。之后分別使用UK2007和MC-UK2007進行融合代價計算的二分類和多分類檢測實驗，并應用其他算法設置了多組實驗進行對比。實驗結果顯示本